使用Open-MM-RL设计完整的多模态RLVR流水线：视觉语言提示、奖励评分与GRPO导出

本教程以TuringEnterprises/Open-MM-RL数据集为基础，构建多模态推理与可验证奖励的强化学习流水线。包括数据集加载与模式分析、轻量级奖励函数设计（支持精确、数值、分数、LaTeX和符号答案）、视觉语言模型提示格式化，以及GRPO样式数据导出。